언젠가는 자연스럽게 인공지능이 우리의 삶에 녹아들 것이라고 상상해 본 적이 있으신가요? 요즘은 인공지능이 우리 주변에서 많이 사용되고 있습니다. 면역체계, 자율주행 자동차, 음성 비서 등 다양한 분야에서 그 효과를 발휘하고 있습니다. 이러한 발전을 이끌고 있는 인공지능 전문가 중 한 명인 Yann LeCun은 최근 TIME100 Impact Award를 수상하였습니다. 그는 Meta의 인공지능 부문 과학자로서 이 분야에 공헌한 업적을 인정받았습니다.
인공일반지능을 달성하는 것이 최종 목표로 작년 수상한 Yann LeCun은 “대규모 언어 모델(Large Language Model, LLM)”을 활용하여 이를 달성하기 위한 연구를 진행하였습니다. LLM은 많은 양의 데이터를 이용하여 훈련되는데, 이를 통해 높은 수준의 지능을 구현할 수 있다고 생각하는 전문가들도 있습니다. 하지만 LeCun은 이에 대해 일부 제한이 있다고 말하고 있습니다. 그의 말에 따르면 현재의 LLM 시스템은 현실을 이해하지 못하고 환각을 일으킬 수 있으며, 대규모의 데이터를 요구합니다. 또한, 이러한 시스템은 합리적으로 생각하지 못하며, 이미 훈련되지 않은 것에 대한 계획을 세울 수 없다고 합니다. 따라서, LLM 모델은 “AGI(Artificial General Intelligence)”를 달성하기 위한 길이 아니라고 말합니다.
LeCun은 “AGI”라는 줄임말을 싫어하는 편입니다. 그는 Meta가 “인공일반지능”을 구축하는 것을 주요 목표 중 하나로 설정한 것에 대해 오해가 있다고 언급했습니다. LeCun은 “AGI”라는 용어를 좋아하지 않는 이유로 인간의 지능이 사실로서 완전히 일반적이지 않다고 말합니다. 인공지능 시스템은 현재 인간이 가지고 있는 이해력, 계획, 추론 등과 같은 특징을 갖추지 못한다고 설명합니다. 또한, 인간과 동물은 일종의 “워킹 메모리”로 사용하는 특화된 뇌 부분을 가지고 있습니다. 하지만 LLM 모델에는 그러한 기능이 없습니다.
우리는 아이가 약간의 시간 동안 어떻게 세상이 돌아가는지 배우는 것을 볼 수 있습니다. 하지만, 우리는 인공지능에게 그 방법을 가르치는 방법을 아직 알지 못합니다. 우리가 “세계 모델(world models)” 학습과 계획 기술, 그리고 짧은 기억 시스템을 결합한 기술을 갖게 되면, 인공지능이 고양이 수준의 지능을 가진다고 말할 수 있을 것이라고 LeCun은 말합니다. 하지만 인간 수준에 이르기 전에는 더 간단한 형태의 인공지능을 거쳐야 한다고 말합니다.
인공지능의 한계에 대해 알아봅시다. 대규모 언어 모델은 신경망 훈련을 위해 인터넷의 대부분의 공개 텍스트를 이용합니다. 이는 약 10조 토큰에 해당합니다. 하지만 이것은 인공지능에 대한 모든 지식의 역사를 담고 있다고 말할 수 없습니다. 단지 사람들이 학습하는 첫 4년의 시간 동안 받는 시각적 정보의 한계를 설명하는 예일 뿐입니다. LeCun은 대부분의 인간의 지식이 텍스트로 표현되지 않으며, 첫 해발굴시 일어나는 무의식에 의해 형성된다고 설명합니다. 이것은 우리가 “상식(common sense)”이라고 하는 것입니다. 하지만, LLM 모델은 이러한 상식을 가지고 있지 않기 때문에 어리석은 실수를 범할 수 있다고 합니다.
한편, Meta는 다른 기업들과는 달리 자사의 강력한 시스템의 “가중치(weights)”를 공유하는 방향으로 가고 있습니다. 이는 오픈-소스 소프트웨어를 적극적으로 지지하는 것입니다. LeCun은 앞으로도 이러한 오픈 방식이 인공지능이 더욱 발전하고 인간 수준에 가까워질 수록 적절한 방법이라고 말하고 있습니다.
이처럼, Yann LeCun의 노력은 인공지능의 미래와 그 영향력에 대한 중요한 토대를 마련하였습니다. 그의 기여는 시대를 넘어 인정받을 가치가 있는 것입니다.
FAQ (자주 묻는 질문)
1. Yann LeCun은 어떤 상을 받았나요?
– Yann LeCun은 Meta의 인공지능 분야 과학자로서 TIME100 Impact Award를 수상하였습니다.
The source of the article is from the blog elblog.pl